ВЕРОЯТНОСТНЫЕ НЕЙРОННЫЕ СЕТИ В ЗАДАЧАХ ИДЕНТИФИКАЦИИ ВРЕМЕННЫХ РЯДОВ

Авторы

  • Роман Наумович Кветный Винницкий национальный технический университет
  • Владислав Владимирович Кабачий Винницкий национальный технический университет
  • Ольга Олеговна Чумаченко Винницкий национальный технический университет

Ключевые слова:

вероятностные нейронные сети (PNN), идентификация, классификация образов, анализ временных рядов

Аннотация

В данной статье рассмотрена возможность идентификации временных рядов на основе вероятностных нейронных сетей и ее модифицированных версий. Исследовано влияние ширины ядерной функции на адекватное восстановление плотности и качество классификации. Рассмотрены модифицированные версии вероятностных нейронных сетей и, особенности их применения. Выделены преимущества и недостатки вероятностных нейронных сетей.

Биографии авторов

Роман Наумович Кветный, Винницкий национальный технический университет

д. т. н., профессор заведующий кафедрой автоматики и информационно-вычислительной техники

Владислав Владимирович Кабачий, Винницкий национальный технический университет

к. т. н., доцент кафедры автоматики и информационно- вычислительной техники

Ольга Олеговна Чумаченко, Винницкий национальный технический университет

студентка института магистратуры, аспирантуры и докторантуры

Библиографические ссылки

1. Мокін Б. І. Математичні методи ідентифікації електромеханічних процесів / Б. І. Мокін, В. Б. Мокін. –
Вінниця:УНІВЕРСУМ-Вінниця, 1999. – 99 с.

2. Тихонов Е. В. Методы и алгоритмы прогнозирования экономических показателей на базе нейронных
сетей и модулярной арифметики / Е. В. Тихонов, В. А. Кузьмищев. – Невинномысск: НИЭУП, 2004. – 166 с.

3. Сигеру О. Нейроуправление и его приложения / О. Сигеру. – М.: ИПРЖР, 2001. – 321 с.

4. Streit R. L. Maximum likelihood training of probabilistic neural networks / R. L. Streit, T. E. Luginbuhl // IEEE
Trans. Neural Networks, V. 5, 1994. – №5. – P. 764 – 783.

5. Zaknich A. Introduction to the modified probabilistic neural network for general signal processing applications /
A. Zaknich // IEEE Transactions on Signal Processing, V. 46, 1998. – №7. – P. 1980 – 1990.

6. Saad E. W. Comparative study of stock trend prediction using time delay, recurrent and probabilistic neural
networks / E. W. Saad, D. V. Prokhorov, D. C. Wunsch, // IEEE Transactions on Neural Networks, V. 9, 1998. – №6.

7. Tsuji T. A loglinearized Gaussian mixture network and its application to EEG pattern classification // IEEE
Transactions on Systems, Man, and Cybernetics / T. Tsuji, O. Fukuda, H. Ichinobe,V. 29, 1999. – №1. – P. 60 –72.

8. Tian B. Temporal updating scheme for probabilistic neural network with application to satellite cloud
classification / B. Tian, M. R. Azimi-Sadjadi, T. H. Vonder Haar // IEEE Transactions on Neural Networks,V.11, 2000.
– №.4. – P. 903 – 920.

9. Lin W. M. Adaptive multiple fault detection and alarm processing for loop system with probabilistic network /
W. M. Lin, C. H. Lin, Z. C. Sun // IEEE Transactions on Power Delivery, V. 19., 2004. – №1. – P. 64 – 69.

10. Anagnostopoulos I. Classifying Web pages employing a probabilistic neural network / I. Anagnostopoulos, C.
Anagnostopoulos, V. Loumos // IEEE Proceedings – Software, V. 151, 2004. – №3. – P. 139– 150.

11. Gerbec D. Allocation of the load profiles to consumers using probabilistic neural networks / D. Gerbec, S.
Gasperic, I. Smon // IEEE Transactions on Power Systems, V.20, 2005. – №2 – P. 548 – 555.

12. Masters T. Advanced Algorithms For Neural Networks. A C++ Source-book New York / T. Masters – New
York: Wiley, 1995. – 431 p.

13. Specht D. F. Probabilistic neural networks and the polynomial adaline as complementary techniques for
classification / D. F. Specht // IEEE Trans. Neural Networks, Jan, 1990. – P. 111 – 121.

14. Specht D. F. Probabilistic neural networks / D. F. Specht // Neural Networks, V. 3, 1990. – P.109 – 118.
15. Specht D. F. Enhancements to the probabilistic neural networks / D. F. Specht // Proc IEEE Int Joint Conf.
Neural Networks, 1992. – P.761 – 768.

16. Минаев Ю. Н. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях
неопределенности в нейросетевом логическом базисе / Ю. Н. Минаев, О. Ю. Филимонова, Бенамеур Лиес. –
М.: Горячая линия – Телеком, 2003. – 205 с.

Загрузки

Просмотров анотаций: 252

Как цитировать

Кветный, Р. Н., В. В. Кабачий, и О. О. Чумаченко. «ВЕРОЯТНОСТНЫЕ НЕЙРОННЫЕ СЕТИ В ЗАДАЧАХ ИДЕНТИФИКАЦИИ ВРЕМЕННЫХ РЯДОВ». Научные труды Винницкого национального технического университета, вып. 3, ноябрь 2011 г., https://trudy.vntu.edu.ua/index.php/trudy/article/view/221.

Выпуск

Раздел

Информационные технологии и компьютерная техника

Метрики

Скачивания

Данные скачивания пока недоступны.

Наиболее читаемые статьи этого автора (авторов)